图像识别与深度学习培训与咨询2019-中科信软培训

培训目标：

Python Package与TensorFlow综合应用
基于skimage和OpenCV的图像处理
算法与应用：

回归分析
决策树、随机森林、SVM
卷积神经网络CNN
图像视频的定位与识别
循环神经网络RNN
生成对抗网络GAN

第一节：Python Package与TensorFlow综合应用	Numpy/Scipy/Pandas/Matplotlib/Seaborn库 Numpy索引 Numpy数学运算与常用分布 Pandas数据处理与分析 Pandas文件读写和个性化控制 Pandas的concat与merge Matplotlib 基本图结构介绍基于Matplotlib绘制散点图、柱状图、等高线图、3D图等多图合并与图片文件存取 Seaborn/PyEcharts等包的使用 scikit-learn的介绍和典型使用 TensorFlow经典应用多元高斯分布典型图像处理多种数学曲线多项式拟合
代码和案例实践	快速傅里叶变换FFT与信号处理 Soble/Prewitt/Laplacian算子与卷积网络卷积与(指数)移动平均线股票数据分析缺失数据的处理和预测环境数据异常检测和分析快速傅里叶变换FFT 图像处理与奇异值分解SVD
第二节：基于skimage和OpenCV的图像处理	Skimage和OpenCV的简介与安装将视频转换为图像序列图像可视化与几何作图 HSV、RGB与图像颜色空间的转换图像增强与(局部)直方图均衡化给予边缘和区域的图像分割 gamma矫正和对数矫正亮度区域检测与前景提取图像边缘检测/特征提取与图像算子 gabor/ laplace /prewitt /roberts /scharr /sobel /Niblack /wiener 图像形态学：开/闭/凸包/膨胀/腐蚀双边滤波器/小波降噪/wiener滤波
代码和案例实践	不同算子下的图像卷积图像边缘检测与提取前景分割与图像融合 regional maxima检测与应用 HAAR/HOG/LBP等特征应用
第三节：回归分析	线性回归 Logistic/Softmax回归广义线性回归 L1/L2正则化 Ridge与LASSO Elastic Net 梯度下降算法：BGD与SGD 特征选择与过拟合 Softmax回归的概念源头最大熵模型 K-L散度
第四节：决策树、随机森林、SVM	熵、联合熵、条件熵、KL散度、互信息最大似然估计与最大熵模型 ID3、C4.5、CART详解决策树的正则化预剪枝和后剪枝 Bagging 不平衡数据集的处理利用随机森林做特征选择使用随机森林计算样本相似度线性可分支持向量机软间隔损失函数的理解核函数的原理和选择 SMO算法支持向量回归SVR 多分类SVM
代码和案例实践	随机森林与特征选择决策树应用于回归多标记的决策树回归决策树和随机森林的可视化葡萄酒数据集的决策树/随机森林分类泰坦尼克乘客存活率估计葡萄酒数据分类数字图像的手写体识别 MNIST手写体识别 SVR用于时间序列曲线预测 SVM、Logistic回归、随机森林三者的横向比较
第五节：卷积神经网络CNN	神经网络结构，滤波器，卷积池化，激活函数，反向传播目标分类与识别、目标检测与追踪 AlexNet、VGGNet、GoogleLeNet Inception-V3/V4 ResNet、DenseNet
代码和案例实践	数字图片分类卷积核与特征提取以图搜图人证合一卷积神经网络调参经验分享
第六节：图像视频的定位与识别	视频关键帧处理物体检测与定位 RCNN，Fast-RCNN，Faster-RCNN，MaskRCNN YOLO FaceNet
代码和案例实践	迁移学习人脸检测 OCR字体定位和识别睿客识云气象识别
第七节：循环神经网络RNN	RNN基本原理 LSTM、GRU Attention CNN+LSTM模型 Bi-LSTM双向循环神经网络结构编码器与解码器结构特征提取：word2vec Seq2seq模型
代码和案例实践	看图说话视频理解藏头诗生成问答对话系统 OCR 循环神经网络调参经验分享
第八节：生成对抗网络GAN	生成与判别生成模型：贝叶斯、HMM到深度生成模型 GAN对抗生成神经网络 DCGAN Conditional GAN InfoGan Wasserstein GAN
代码和案例实践	代码和案例实践